판별분석을 이용한 도시재생뉴딜사업장 예비평가분석 연구

방두완(Doo-Won Bang),한승욱(Seoung-Uk Han),권혁신(Hyuck-Shin Kwon) 한국주택학회 2021 주택연구 Vol.29 No.4

본 연구에서는 도시재생 사업장 100곳(우수 29곳, 미흡 71곳)을 대상으로 판별분석을 실시하였다. 분석결과 우수와 미흡 사업장에 대한 세부사업, 거버넌스, 가점 변수의 평균 차이는 통계적으로 유의적인 것으로 분석되었다. 단계별 선택법을 이용해서 최종 판별함수를 분석한 결과 세부사업, 거버넌스 변수가 최종 판별함수로 선정되었다. 판별점수와 집단 간의 관련성 정도를 나타내는 정준 상관관계(canonical correlation) 분석결과는 0.906으로 나타나 본 연구에서 제안한 판별함수의 판별력이 매우 우수한 것으로 분석되었다. 결론적으로 본 연구에서 제안한 판별함수를 이용하면, 도시재생 사업장 효율적 관리를 위한 기초 평가자료로 활용할 수 있을 것으로 기대된다. 추가적으로 판별분석의 기준항목을 조정하고 종료된 도시재생사업의 평가결과를 점수화한 후, 판별분석 기법을 적용하면 사전 사업성 평가단계에서 우수 도시재생사업장을 예비평가할 수 있을 것으로 기대된다. 하지만 사업장 수가 부족하여 광역시나 도 등의 지역별 특성을 고려한 판별함수를 제안하지 못하였다. 따라서 향후 충분한 도시재생 사업장 자료가 확보되면, 지역별 특성을 고려한 추가 연구가 필요하다고 보여진다. In this study, we proposed a method to classify urban regeneration projects into excellent and poor projects. To this end, we used the evaluation data for each detailed item under the urban regeneration projects, and estimated a discriminant function that could help us pre-classify projects as excellent or poor. We examined a total of 100 projects (29 excellent projects and 71 poor projects). After analyzing the discriminant function, detailed projects and governance variables were selected as the final discriminant function. Moreover, the result of the canonical correlation analysis, which indicates the degree of relevance between discriminant scores and groups, was 0.906, showing that the power of the discriminant function proposed in this study was very good. The financial data of construction companies, project feasibility evaluation data, and promotion results of existing similar projects were evaluated. Then, if we would apply the discriminant analysis method by using the scores at the pre-project feasibility evaluation stage, we would expect that the method could identify excellent projects and good constructors in advance.

얼굴인식을 위한 방사형 기저함수 신경회로망 분류기 : 2차 원 전처리 알고리즘을 사용한 비교 연구

박상범,오성권 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.2

본 연구에서는 2차원 전처리 알고리즘 기반 방사형 기저함수 신경회로망(RBFNN) 분류기를 사용하여 얼굴인식을 한다. 제안된 방법의 얼굴 인식률은 실험을 통하여 평가한다. 사용된 2차원 전처리 알고리즘은 2차원 주성분 분석법, 2차원선형판별 분석법, 2차원 하이브리드 주성분 분석법이다. 2차원 하이브리드 주성분 분석법은 2차원 주성분 분석법과 2차원선형판별 분석법을 결합한 전처리 알고리즘이다. 본 논문에서 사용된 2차원 하이브리드 주성분 분석법은 2차원 주성분분석법에서 구한 고유벡터를 2차원 선형판별 분석법의 목적함수에 적용한다. 다양한 이미지 데이터를 사용하여 2차원전처리 알고리즘 기반 RBFNN 분류기의 분류성능을 평가한다. 2차원 하이브리드 주성분 분석법은 2차원 주성분 분석법과2차원 선형판별 분석법의 분류성능을 비교하는 관점에서 우수성을 보여준다 In this study, a radial basis function neural network(RBFNN) classifier based on two-dimensional preprocessing algorithm is used for recognition of the face images. The face recognition performance of the proposed method is evaluated through several experiments. Two-dimensional preprocessing techniques such as two-dimensional principal component analysis((2D)2PCA), two-dimensional linear discriminant analysis((2D)2LDA) and two-dimensional hybrid PCA((2D)2hybrid PCA) are used in the proposed method. The (2D)2hybrid PCA is a preprocessing algorithm combined with (2D)2PCA and (2D)2LDA. In the (2D)2hybrid PCA, eigenvectors obtained from (2D)2PCA are applied to objective function of the (2D)2LDA. The classification performance of the two-dimensional preprocessing technique-based RBFNN classifier is evaluated by using various image datasets. It is demonstrated that the (2D)2hybrid PCA is preferred to the (2D)2PCA and the (2D)2LDA from the viewpoint of the classification performance.

선형판별법과 레이디얼 기저함수 신경망 결합에 의한 얼굴인식

오병주 한국콘텐츠학회 2005 한국콘텐츠학회논문지 Vol.5 No.6

This paper presents a face recognition method based on the combination of well-known statistical representations of Principal Component Analysis(PCA), and Linear Discriminant Analysis(LDA) with Radial Basis Function Networks. The original face image is first processed by PCA to reduce the dimension, and thereby avoid the singularity of the within-class scatter matrix in LDA calculation. The result of PCA process is applied to LDA classifier. In the second approach, the LDA process produce a discriminational features of the face image, which is taken as the input of the Radial Basis Function Network(RBFN). The proposed approaches has been tested on the ORL face database. The experimental results have been demonstrated, and the recognition rate of more than 93.5% has been achieved. 이 논문은 얼굴인식을 수행하기 위해서 이미 잘 알려진 주성분 분석법과 선형판별 분석법에 레이디얼 기저 함수 신경망을 결합한 인식 알고리즘을 제시하였다. 입력된 원래의 얼굴영상은 주성분분석법을 통하여 차원을 줄인 고유 얼굴 가중치를 산출한다. 이 가중치 벡터를 선형판별 분석법의 입력데이터로 사용하여 선형판별분석의 변환행렬을 계산할 때 클래스 내의 분산행렬에서 특이점이 발생하지 않도록 하면서 특징벡터를 산출하여 인식을 수행하였다. 두 번째 시도에서는 선형판별분석법에 의해 생성된 특징벡터를 레이디얼 기저 함수 신경망에 입력하여 학습하고 얼굴인식을 수행하였다. ORL DB의 얼굴영상에 대해 실험한 결과 93.5%의 인식률을 얻을 수 있었다.

주성분 분석법과 선형판별 분석법을 이용한 최적화된 방사형 기저 함수 신경회로망 분류기의 설계

김욱동(Wook-Dong Kim),오성권(Sung-Kwun Oh) 한국지능시스템학회 2012 한국지능시스템학회논문지 Vol.22 No.6

본 연구에서는 주성분 분석법 및 선형 판별 분석법을 이용한 다항식 방사형 기저 함수 신경회로망 분류기의 설계 방법론을 소개한다. 주성분 분석법과 선형판별 분석법을 사용하여 주어진 데이터의 정보 손실을 최소화한 특징데이터를 생성하고 이를 다항식 방사형 기저함수 신경회로망의 입력데이터로 사용한다. 방사형 기저 함수 신경회로망의 은닉층은 FCM 클러스터링 알고리즘으로 구성되며 연결가중치는 1차 선형식을 사용하였다. 최적의 분류기 설계를 위해서 최근에 제안된 Artificial Bee Colony(ABC) 최적화 알고리즘을 사용하여 구조 및 파라미터를 동조하였다. ABC 알고리즘을 통해 주성분 분석법과 선형판별 분석법의 고유벡터의 수 및 FCM 클러스터링 알고리즘의 퍼지화 계수등의 파라미터를 동조한다. 제안된 분류기는 대표적인 Machine Learning(ML) 데이터를 사용하여 성능을 평가하며 기존 분류기와 성능을 비교한다. In this paper, we introduce design methodologies of polynomial radial basis function neural network classifier with the aid of Principal Component Analysis(PCA) and Linear Discriminant Analysis(LDA). By minimizing the information loss of given data, Feature data is obtained through preprocessing of PCA and LDA and then this data is used as input data of RBFNNs. The hidden layer of RBFNNs is built up by Fuzzy C-Mean(FCM) clustering algorithm instead of receptive fields and linear polynomial function is used as connection weights between hidden and output layer. In order to design optimized classifier, the structural and parametric values such as the number of eigenvectors of PCA and LDA, and fuzzification coefficient of FCM algorithm are optimized by Artificial Bee Colony(ABC) optimization algorithm. The proposed classifier is applied to some machine learning datasets and its result is compared with some other classifiers.

태아심박동 자료를 위한 분류기법들의 비교에 관한 연구

박보영,강희재,윤옥수,최원영 한국자료분석학회 2015 Journal of the Korean Data Analysis Society Vol.17 No.3

The purpose of this study is to find out optimal classification technique method for fetal heart rate (FHR) important data to check health problems to a fetus. Especially, we focus on finding classification method which distinguish can normal fetus and interine growth restriction fetus. Linear discriminant analysis and logistic regression as parametric classification, and decision tree, k-nearest neighbor and support vector machine (SVM) as non-parametric classification are used in this study. Also not only accuracy but also specificity and sensitivity are considered in comparing. As the results, it shows more than 90% high-accuracy in all 4 classification methods except for k-nearest neighbor and the specificity values is more than 0.850. As for sensitivity, linear discriminant and SVM are 0.890 and 0.898, respectively. It confirm that k-nearest neighbor is not good at FHR since the accuracy and sensitivity are 0.799 and 0.652 respectively. On the other hand, balanced accuracy, measurement which consider sensitivity and specificity, of SVM, linear discriminant analysis and logistic regression are 0.930, 0.928 and 0.912 respectively. 본 연구는 태아의 안녕평가를 위해 중요한 자료로 이용되고 있는 태아심박동(fetal heart rate) 자료에서 최적의 분류기법을 찾는데 목적이 있다. 특히 정상태아와 자궁내 발육제한(interine growth restriction; IUGR) 태아를 분류 할 수 있는 최적의 모형을 찾고자 한다. 분류기법들은 모수적 분류기법인 선형 판별분석(linear discriminant analysis)및 로지스틱 회귀분석(logistic regression)과 비모수적 방법으로 의사결정나무(decision tree), -최근접 이웃(-nearest neighbor) 및 지지도벡터기계(support vector machine; SVM)를 시행하였다. 또한 성능평가 측도로 정확도(accuracy)뿐 아니라 임상자료에서 널리 이용되는 측도인 특이도(specificity)와 민감도(sensitivity)를 함께 고려하여 그 성능을 비교하였다. 분석 결과, -최근접 이웃을 제외한 4가지 분류기법은 90%이상의 높은 정확도를 보여 주었다. 또한 5가지 분류기법 모두 0.850 이상의 높은 특이도 값을 보였고, 민감도에서 선형 판별분석과 SVM이 각각 0.890과 0.898로 가장 우수하였다. 한편, 민감도와 특이도 값을 동시에 고려하기 위한 측도인 안정된 정확도(balanced accuracy)는 SVM에서 0.930 그리고 선형 판별분석과 로지스틱 회귀분석이 각각 0.928과 0.912로 나타났다.

매장문화재 예측을 위한 통계적 분류 분석

유혜경(Hye-Kyung Yu),이진영(Jin-Young Lee),나종화(Jonghwa Na) 한국산업정보학회 2009 한국산업정보학회논문지 Vol.14 No.3

본 논문에서는 통계적 분류방법을 이용하여 문화재 자료의 분석을 수행하였다. 분류방법으로는 선형판별분석, 로지스틱회귀분석, 의사결정나무분석, 신경망분석, SVM분석을 사용하였다. 각각의 분류방법에 대한 개념 및 이론에 대해 간략히 소개하고, 실제자료 분석에서는 국내 Ⅰ시 자료를 사용하여 매장문화재에 대한 분류방법별 적합모형을 구축하였다. 구축된 모형에 대한 성능비교와 함께, 새로운 자료에 대한 적용성 평가를 위해 모의실험을 수행하였다. 분석에 사용된 도구로는 최근 가장 관심을 갖는 R 언어를 사용하였으며, 구체적 분석과정을 제시하였다. Various statistical classification methods have been used to establish prediction model of underground cultural assets in our country. Among them, linear discriminant analysis, logistic regression, decision tree, neural network, and support vector machines are used in this paper. We introduced the basic concepts of above-mentioned classification methods and applied these to the analyses of real data of Ⅰ city. As a results, five different prediction models are suggested. And also model comparisons are executed by suggesting correct classification rates of the fitted models. To see the applicability of the suggested models for a new data set, simulations are carried out. R packages and programs are used in real data analyses and simulations. Especially, the detailed executing processes by R are provided for the other analyser of related area.

자료별 분류분석(DDA)에 의한 특징추출

박명수(Myoung Soo Park),최진영(Jin Young Choi) 한국지능시스템학회 2009 한국지능시스템학회논문지 Vol.19 No.1

본 논문은 선형차원감소(Linear Dimensionality Reduction)을 위해 널리 이용되고 있는 특징추출 알고리듬인 선형판별분석(Linear Discriminant Analysis)의 문제점을 해결할 수 있는 새로운 특징추출 알고리듬을 제안한다. 선형판별분석에 포함되는 평균-자료 간 거리 및 평균-평균 간의 거리에 기반한 분산행렬은 역행렬 연산, 계수의 제한 등으로 인하여 계산상의 문제와 추출되는 특징의 수가 제한되는 한계를 가지고 있다. 또한 자료의 집단이 단일 모드의 정규 분포로부터 얻어진 것으로 가정되며 그렇지 않은 경우에 대해서는 적절한 결과를 얻을 수 없다. 본 논문에서는 자료-자료 간의 거리에 기반하고 적절하게 가중치가 추가된 새로운 행렬을 정의하였으며, 이에 기반하여 특징을 추출하는 방법을 제안하였다. 그럼으로써 앞서 선형판별분석의 여러 문제를 해결하고자 시도하였다. 제안된 방법의 성능을 실험을 통해 확인하였다. This paper presents a new feature extraction algorithm which can deal with the problems of linear discriminant analysis. widely used for linear dimensionality reduction. The scatter matrices included in linear discriminant analysis are defined by the distances between each datum and its class mean, and those between class means and mean of whole data. Use of these scatter matrices can cause computational problems and the limitation on the number of features. In addition, these definition assumes that the data distribution is unimodal and normal, for the cases not satisfying this assumption the appropriate features are not achieved. In this paper we define a new scatter matrix which is based on the differently weighted distances between individual data, and presents a feature extraction algorithm using this scatter matrix. With this new method. the mentioned problems of linear discriminant analysis can be avoided, and the features appropriate for discriminating data can be achieved. The performance of this new method is shown by experiments.

자료별 분류분석(DDA)에 의한 특징추출

박명수(Myoung Soo Park),최진영(Jin Young Choi) 한국지능시스템학회 2008 한국지능시스템학회 학술발표 논문집 Vol.18 No.2

본 논문은 선형차원감소(Linear Dimensionality Reduction)을 위해 널리 이용되고 있는 특징추출 알고리듬인 선형판별분석(Linear Discriminant Analysis)의 문제점을 해결할 수 있는 새로운 특징추출 알고리듬을 제안한다. 선형판별분석에 포함되는 평균-자료 간 거리 및 평균-평균 간의 거리에 기반한 분산행렬은 역행렬 연산, 계수의 제한 등으로 인하여 계산상의 문제와 추출되는 특징의 수가 제한되는 한계를 가지고 있다. 또한 자료의 집단이 단일 가우시안 분포로부터 얻어진 것으로 가정되며 그렇지 않은 경우에 대해서는 적절한 결과를 얻을 수 없다. 본 논문에서는 자료-자료 간의 거리에 기반하고 적절하게 가중치가 추가된 새로운 행렬을 정의하였으며, 이에 기반하여 특징을 추출하는 방법을 제안하였다. 그럼으로써 앞서 선형판별분석의 여러 문제를 해결하고자 시도하였다. 제안된 방법의 성능을 실험을 통해 확인하였다.

통계적 분류방법을 이용한 문화재 정보 분석

강민구(Min-Gu Kang),성수진(Su-Jin Sung),이진영(Jin-Young Lee),나종화(Jong-Hwa Na) 한국산업정보학회 2009 한국산업정보학회 학술대회논문집 Vol.2009 No.5

본 논문에서는 통계적 분류방법을 이용하여 문화재 자료의 분석을 수행하였다. 분류방법으로는 선형판별분석, 로지스틱희귀분석, 의사결정나무분석, 신경망분석, SVM분석을 사용하였다. 각각의 분류방법에 대한 개념 및 이론에 대해 간략히 소개하고, 실제자료 분석에서는 “지역별 문화재 통계분석 및 모형개발 연구 1차(2008)”에 사용된 자료 중 익산시 자료를 근거로 매장문화재에 대한 비교를 수행하여 모형의 성능을 비교하였다. 분석에 사용된 도구로는 최근 가장 관심을 갖는 R-project를 사용하였다.

특징선택기법을 이용한 가뭄영향인자 분석

김선우(Kim, Seon Woo),김민기(Kim, Min Ki),정동휘(Jung, Donghwi),유도근(Yoo, Do Guen) 한국방재학회 2019 한국방재학회논문집 Vol.19 No.7

일반적으로 가뭄은 다른 자연재해보다 광범위한 지역에 오랜 피해를 입힌다. 최근에는 10년 이상, 수십 년 동안 지속되며 전국 범위에 피해를 끼칠 수 있는 “메가가뭄”의 발생 가능성이 인지되고 있다. 하지만, 이러한 극한가뭄의 결과에 영향을 미치는 기상학적, 수문학적, 사회-경제적 영향요인에 대한 정량적 분석이 미비하였다. 본 연구는 총 9개의 기상학적(강수량, 평균기온, 평균풍속, 상대습도, 평균기압, 일조율), 수문학적(저수위, 댐방류량), 사회·경제적 인자(생활용수사용량)와 가뭄지수간의 상호관계를 정량화하여 가뭄영향인자를 도출하고 직·간접적 영향분석을 수행하였다. 통계학적 기법 기반 특징선택모형인 선형판별분석과 주성분분석을 사용하였으며, 가뭄의 심도는 표준강수지수(Standardized Precipitation Index, SPI)를 이용하였다. 연구 대상 지역으로 충청남도 보령시를 선정하였다. 특징선택기법별, 이용 가뭄지수 종류별 결과를 방사형 차트(Radar chart)를 이용하여 도시 및 비교하였다. 선형판별분석과 주성분분석을 각각 적용하여, 보령댐 저수위가 가뭄에 가장 큰 영향을 주는 인자임을 확인하였다. Drought generally affects a wider area for longer period of time than other natural disasters. Recently, so-called mega-droughts of very long durations and with more extensive impacts have been observed across the world. However, few efforts have been devoted to identifying the critical impact factors-such as climate, hydrological and socio-economic factors-for such extreme droughts. In this study, we identify the most critical factor and derive the direct/indirect relationship among nine influences including climatic, hydrological, and socio-economic factors using two feature selection methods. The two feature selection approaches we use are based on the statistical theories of principal component analysis and linear discriminant analysis. The standardized precipitation index (SPI) is used as a drought index. The study area is Boryeong city, South Korea. Drought impact analysis results obtained from the two feature selection approaches are compared and presented by polygon radar charts. The results showed that the low water level of the Boryeong dam is the most critical impact factor.